一句话看懂:一位开发者用“生成带有哈布斯堡下巴的青蛙的SVG”作为个人AI基准,发现14个主流大模型中有一半会擅自添加提示词未提及的“皇室”元素。这个非正式测试比传统跑分更直观地暴露了模型在指令遵从上的偏差。
我个人的 AI 基准:“生成带有哈布斯堡下巴的青蛙的 SVG。”
一位开发者用“生成带有哈布斯堡下巴的青蛙的SVG”作为个人AI基准,发现14个主流大模型中有一半会擅自添加提示词未提及的“皇室”元素。这个非正式测试比传统跑分更直观地暴露了模型在指令遵从上的偏差。
一位开发者用“生成带有哈布斯堡下巴的青蛙的SVG”作为个人AI基准,发现14个主流大模型中有一半会擅自添加提示词未提及的“皇室”元素。这个非正式测试比传统跑分更直观地暴露了模型在指令遵从上的偏差。